本技术涉及食品分析技术,旨在提供一种利用深度学习技术鉴别植物调和油中茶油含量的方法。该方法包括收集纯食用植物油和不同浓度的混合油样本,构建鉴别模型,并通过模型分析油品成分,实现茶油含量的准确识别。
背景技术
植物调和油是由两种或两种以上纯植物油按一定比例混合而成的一种植物油。与单一植物油相比,由于不同植物油的脂肪酸含量各异,植物调和油能够提供更均衡的营养价值。一般来说,植物调和油是将大量低价的纯植物油与少量高价的纯植物油混合而成的。山茶油中富含油酸、维生素E和多酚等多种具有促进健康特性的生物活性物质,长期食用山茶油可缓解高血压和心脑血管疾病等疾病,被称为“东方橄榄油”。
近年来,常用的方法是通过气相色谱法、质谱法、气相色谱-质谱联用法、同步荧光光谱法和二维相关谱法测定脂肪酸的种类和比例来实现植物油的鉴定。但这些方法存在一些问题,如复杂的样品处理、繁琐的流程、费时、样品残留以及实验操作过程中需要专业的实验人员等缺点。相比之下,拉曼光谱法不消耗化学试剂,无需任何样品制备,流程简单、检测快速,无样品残留,是一种有潜力的鉴别植物油的检测技术。
在植物油的鉴定中,虽然传统的机器学习模型取得了一定的成功,但它们在处理复杂、多变量的光谱数据时,往往依赖于手工特征提取和特征选择,这不仅增加了工作量,还容易导致特征提取不充分或不准确。相比之下,深度学习模型能够从光谱数据中自动提取特征,显著提升了模型的准确性和鲁棒性。然而,深度学习模型在处理复杂光谱数据时,仍可能面临特征选择和模型泛化的问题。为此,注意力机制的引入为这一问题提供了有效的解决方案。注意力机制能够动态地调整模型对输入数据不同部分的关注程度,从而提升模型在复杂光谱数据中的特征提取和判别能力。因此,基于注意力机制结合深度学习准确鉴定调和植物调和油中特定高价值植物油的含量,对维护消费者权益具有重要意义。
实现思路